数字基建：赋能创新，支撑企业数字化转型

□ 文 / 阿里研究院

对话嘉宾：

安筱鹏阿里研究院副院长

吕本富中国科学院大学经济管理学院教授、网络经济和知识管理研究中心主任

刘 松阿里巴巴集团副总裁

姜奇平中国社科院信息化研究中心主任、信息化与网络经济室主任、中科院《互联网周刊》主编

梁春晓阿里研究院学术委员会顾问

安筱鹏

吕本富

刘 松

姜奇平

梁春晓

话题1 数字基建的“赋能”机制

刘松：数字基础设施基于技术“核聚变”，通过“赋能”创造价值

数字基础设施与传统基础设施在创造价值的方式上有着重要的区别。传统的铁路、机场、公路、港口、电力等基础设施往往是联动的，核心价值在于连接，实现物流、人流、能量流的流通。

新一轮数字基础设施有“内核三兄弟”：云、大数据、人工智能。这“三兄弟”捆绑在一起实时协作——离开云，数据无法处理；离开了云和数据，算法也没有意义。

云、大数据、人工智能、物联网、5G等多种技术每一秒都要实时互动，其功能的发挥更大程度上取决于多种技术的集成，技术迭代的频率更快、相互依赖性更强、整体功能演进的速度更快。

“三兄弟”向外有两个延伸：一是未来触达60亿人；二是触达物理世界，形成广义的物联网。在与外界连接时，通讯从4G到5G加速延伸。数字基础设施内核依旧是围绕着数据这一生产要素来形成承载，以更快的网络去连接人、物，这是它们的内在联系。所有这些技术必须是组合演进，形成技术“核聚变”才有意义，缺一不可。

未来10-20年，我们将构建一个新的数字基础设施的大平台，数字基础设施的价值更多的是基于信息流和知识流，“赋能”各类主体去创造社会价值。

安筱鹏：数字基础设施“赋能”的本质，在于提供智能工具和科学决策

“数据+算力+算法”是数字孪生世界的底座，是多种技术的集成。

数据通过IoT、MEMS传感器以及大数据技术等各种技术手段，及时、全面、高效地把海量数据聚集起来。

计算支撑海量数据的分析，云计算、边缘计算、电脑计算、手机计算、手表计算……泛在计算无处不在。计算的背后是CPU、各种操作系统、GPU以及支撑云计算的新一代的数据中心。

有了数据和算力，还要有先进的算法，也就是人工智能、机理模型、数字孪生以及各种流程模型与商业模型，把人的思想不断地沉淀提炼。

“+”号的意思是5G、NB-IoT、宽带等设施，能够把数据、算力、算法以及各主体连接起来（如图1）。

数字孪生世界的底座搭建好后，有什么作用？数字基础设施“赋能”的本质，在于提供智能工具和科学决策。在“数据+算力+算法”的功能体系中，有了多种技术的集成，才能对物理世界去描述、诊断、预测、决策。

第一是描述，描述物理世界发生了什么：车是不是堵了，工厂的机器设备是不是正常运转，心脏是不是有问题，然后在虚拟世界里面去呈现。第二是诊断，物理世界存在的各种各样的问题，可以在虚拟赛博空间、数字孪生世界去分析是什么原因造成的。第三是预测，预测未来可能发生什么。第四是决策，当然，每一个阶段，人都可以去决策，但是在这个过程中，人的决策会越来越少。系统机器可以做出决策。这就是人工智能的世界。

吕本富：智力成果的“集成器”，也是未来新基建的一部分

随着技术的发展，算力现在没有什么问题，主要还是算法的问题。

我们曾经想搞一个“模型工厂”，就是把现在所有经济管理领域的论文中的模型收集起来，包括供应链模型、营销模型等。这些模型是过去大家已经做好的模型，模型所依赖的大多是小数据，比如说小规模的调研数据或者问卷调查。如果这些模型能和阿里等企业的大数据对接，能够更新迭代，就有很大价值了。这些模型不是搞IT的人独立能做出来的，比如说供应链模型，它是具体专业知识的沉淀。这个“模型工厂”，本质上就是算法集成器。

过去数据是一个个孤岛。一篇文章发表后，文章中的小数据模型就没有人继续研究了。其实这些模型是有用的，是可以和生产实际相结合的。过去为什么结合不了呢？是因为没有与实际的生产数据对接，企业不会用它。所以，如果能够把这种智力成果做一个集成器的话，也将是新基建的一部分，就是我们的“知识分发器”。

图1数字基础设施：多种技术的“核聚变”

话题2 降低试错成本，是新基建的重大价值

吕本富：新基建与知识创新带来的最大益处——降低试错成本

要把隐性知识发掘出来，是有一个前提的，那就是数字基建未来可能导致企业原有金字塔型、科层制的组织方式发生改变，演变成适用于数字经济时代的组织方式。组织方式是个核心问题，这个问题清楚后，才能制定企业战略，确定企业竞争优势，讨论企业的核心资产。

创新型企业有两个重要的核心价值，一是有核心的知识类产品，二是有把隐性知识变成显性知识的核心转化能力。这两个核心价值实现起来是比较难的，其实这也是新基建和创新的关系，本质上还是基于数据的知识创新。

企业或者社会组织做的事业可以分为两类，一类是知易行难，一类是知难行易。

“改革”往往知易行难，我们知道问题出在哪儿，但是处理起来很难，能搞一个两全其美的改革方案不太容易。

“创新”往往知难行易，找到问题所在是很难的，一旦问题找着了，行动起来是很容易的。找到问题的爆发点，就能找到创新点。

新基建知识的累积、数据的累积，使创新试错的过程至少排除了好多不可能。“我不知哪个是对的，但我一定知道哪个是错的”。降低试错成本，就是新基建和知识创新带来的最大益处。

安筱鹏：构建通向零成本试错之路，是数字孪生世界带来的最大价值

数字孪生带来最大的价值是什么？就是人们正在构建一条通向零成本的试错之路。

什么是创新？创新是一个试错的过程。对于企业来说，技术方案、工艺路线、客户需求的满足、商业模式都是试错的过程。

在过去的50年，1GB的存储成本从1000万美元降到了目前的0.02美元。今天，数字基础设施带来的价值不是存储的成本降低了多少，而是试错的成本降低了多少、创新的效率提高了多少，这是数字基础设施所能创造的价值，也是衡量企业的竞争力、企业创新能力的重要标志。

刘松：数字基础设施的创新优先逻辑

IT时代，信息化往往是降本增效，以效率优先，但是新的数字基础设施是以创新优先，哪怕10次创新只有1次成功，也能够使企业发现一条新的赛道。有了数字基础设施，就要不断创新，积极开拓新赛道，这是数字基础设施促进创新的逻辑。

新的数字基建使得创新的成本降低了10倍，但是你还是需要在8%里面找到恰当的机会。也就是说，即便有了数字基建，创新也不一定比过去10年更容易成功。事实上，虽然赛道多了，但是赛道失败率也在增加，数字基建只是降低了赛道上的试错成本。所以说，新的数字基建对企业的要求也是比较高的。

话题3 如何理解数据作为新的生产要素

姜奇平：数据作为新的生产要素，成为通用性资产

2020年4月，国家发改委公布的“上云用数赋智”计划，提出“通用性资产”概念，数据要素成为通用性资产，是中央文件的亮点，其特征在于“通过平台一次性固定资产投资，中小企业多次使用”。

现在，数据作为生产要素，不再是专用性技术而是通用性技术，不再是专用性资产而是通用性资产。

现在对数据要素更多还是从技术角度来理解的，认为是0和1起作用。从理论角度看，要素变革的革命性体现在哪里？就在于工业时代与信息时代要素的控局点不同。工业时代，要素控制的是工具和手段，称为工具理性，是控制物理世界、实现目的的手段，但是对于目的是失控的。信息时代，数据要素控制的不是工具理性，而是工具理性要达到的目标。这一点对于企业家来说，务必要注意。数据要素，就是从控制中间价值变为控制最终价值。

梁春晓：数据作为生产要素，与新基础设施密切相关

在新的经济结构里，新的生产要素和新的基础设施产生了天翻地覆的影响。数据作为生产要素和基础设施密切相关。没有以云、网、端为核心的基础设施，是没法谈数据以及数据作为新的生产要素的。新基建就是以互联网为核心的，智能终端作为基础设施的一部分，恰好是新基建的一个非常重要的特征。

实际上，在前互联网时代，通过数据本身的价值分析，我们意识到某些产品之间的独有的相关性，这种相关性放到商业上就能够降低成本、提高收益。但是前互联网时代没有云、网、端，数据的采集受到极大的限制，数据的流动存在极大的限制，数据的存储处理没有这样的能力，尤其没有能力识别海量大数据。数据本身的价值和数据要素的边际效益根本体现不出来。

现在，正是因为有数字基础设施的出现和支撑，数据作为要素的价值才逐步形成。

安筱鹏：数据作为生产要素，如何创造价值？

从技术角度看，数字化转型本质上颠覆了传统产业几百年来赖以生存的“传统工具+经验决策”的发展模式，给企业带来两场深层次的革命：工具革命和决策革命。工具革命通过自动化提高组织和个人的工作效率。决策革命以人工智能等手段优化提高决策的科学性、及时性和精准性。

决策革命，是企业每个决策主体面对各种决策的时候，系统能把正确的数据在正确的时间以正确的方式传递给正确的人和机器，我把它定义为数据的自动流动。有了数据要素是不够的，还需要数据背后各种各样的算法。数据自动流动的价值就在于，能够基于“数据+算法”做出精准的决策。

数据作为生产要素如何去创造价值？在我们讨论风电、光伏发电时，我们可以利用数据与算法的结合，对未来发多少度电进行精准预测，从而创造价值。

当有新的基础设施平台，每一个企业都可以把自己的算法贡献出来，形成算法市场。企业可以选择算法市场里最优异的算法模型，把自己的数据输送到算法模型，通过更及时、全面、准确的数据与算法结合，对未来情况做精准预测。

数字化转型的本质，就是在“数据+算法”定义的世界中，以数据的自动流动化解复杂系统的不确定性，最终的目的在于提高资源配置的效率，获得更多的商业价值和社会价值。

话题4 数字基础设施促进知识分工的提升

安筱鹏：在数字基础设施平台上，基于知识分工的产品会越来越多

伴随生产力的提升，产业分工不断深化，经历了部门分工、产品分工、零部件分工、工艺分工和生产服务分工五个阶段。今天，因为互联网的出现、交易成本的降低、市场边界的拓展，另一种分工出现，就是知识创造分工，我把它定义为知识分工的2.0。数字信息时代，基于数字基础设施的知识分工产品得以快速在市场拓展。

回顾全球产业分工体系中知识分工特征和趋势可以发现，集成电路产业分工格局的变化呈现出鲜明的特征。早期集成电路产业，集整机生产和芯片设计、制造、封装、测试为一体，称为综合型IDM模式。伴随信息技术的不断演进，集成电路产业中的芯片设计、代工制造、封装测试等环节不断地从早期一体化模式中分离，成为独立的产业体系。1967年美国应用材料公司成立后，集成电路材料和设备制造成为独立行业。1968年英特尔公司成立，形成垂直性IDM模式。1978年Fabless诞生（IC设计独立），1987年台积电成立（IC制造环节独立），Foundry模式出现。1991年，英国ARM公司成立，同时逐渐涌现出一批专注于集成电路IP设计、研发公司，集成电路产业开始兴起架构授权的Chipless新商业模式，这标志着基于知识创造的专业化分工独立出现在集成电路产业链中（如图2）。

过去几十年时间里，集成电路行业知识分工不断深化，但是这样的行业毕竟是有限的。一个知识要投入生产，渗透到产品设计、研发、生产全流程，是个长周期的知识生产过程。今天，数字经济时代最重要的一个变化是有了工业互联网平台，知识、经验、方法、模型，变成APP和算法，可以放到数字基础设施平台上的算法市场去交易，可以直接作为一种商品需求，大大缩短了知识产品的生长周期。未来，像这样的基于知识分工的产品会越来越多，这是数字经济时代跟工业经济时代最重要的一个区别。

有了新的基础设施之后，人们可以把所有参与主体的知识、各行各业的知识不断地显性化，沉淀在平台上，知识作为资产的通用性提高了，意味着面对个性化需求不需要重新再开发，复杂性的系统问题就可以用比较低的成本去解决。

梁春晓：数字基础设施促进专业化分工水平提高

各种APP的涌现，其实是新的专业化分工的主体越来越丰富的表现。

这关系到两个问题：一是专业化的分工水平的提高，起根本作用的还是基础设施。基础设施有三个特点：泛在、共享、高效。随着互联网的发展、交易成本的降低、市场的扩大，互联网时代的分工、网络的演化很大程度就是因为数字基础设施所促进的专业化分工水平的提高。

二是知识分量越来越重，内生比较优势越来越突出。比较优势是杨小凯的思想中的一个非常重要的概念，又分成内生比较优势和外生比较优势。以往我们讨论国际贸易谈的比较多的是外生比较优势，核心思想就是什么有优势就做什么。如果按照这个逻辑，就没有办法理解马云当时为什么要创立阿里巴巴，他既没有国际贸易优势，也没有技术优势。可以说，互联网创业里面几乎所有人在做这行之前，都没有这方面的优势，这导致过去好多年做管理咨询的那套SWOT分析法失效了，优势、劣势、成本、机会的分析几乎都不合常理。

问题出在哪儿？这是因为现有的经济形态里，知识分量越来越重，内生比较优势越来越突出。从短期来看，外生比较优势可能会起一定作用，但从长期来看，内生比较优势积累的速度会非常快，这就导致不是什么有优势做什么，而是做什么、什么就有优势。通过这样不断地积累，直到形成这样的优势，才能产生一种新的分工主体。

现在这样的创业者有很多：内生比较优势在数字基建中不断地积累，我比别人先走，我就积累了这样的知识优势，而这样的知识优势又因为我们现在这些数字基础设施的存在，能够不断地积累、不断地交流、不断地贡献，使得这种因为知识形成类似比较优势的增长速度比以往更快。

图2 集成电路产业：知识生产、传播、使用效率的差异

姜奇平：数据要素的地位和作用从边缘到了中心

传统要素遵循的规律是越复杂、成本越高，然而知识要素的规律正好是反的，它是越复杂、成本越低，这在集成电路产业中体现出来。在分工专业化主导的时候，传统制造的规律是越简单、成本越低，在这个规律下，知识是无用武之地的，因为80%都是重复工作，多样化的工作只占20%。集成电路产业分工的发展说明，80%的工作是不重样的、复杂的、多样性的工作，只有20%的工作是重复的，这时候知识要素的特征就体现出来了。

当分工多样性成为主导，服务业和高附加值的产业成为主导的时候，知识多样性越高、附加值越高，成本反而越低，这是知识分工的本质。对企业来说，归根结底是想提价竞争还是降价竞争，这取决于知识如何落地。

当然，不是说有了数据要素以后，物质资本、人力资本就都不重要了。真正的变化是，在新的生产方式下，数据要素的地位和作用从边缘位置到了中心位置，当生产要素变了以后，知识在整个经济中占有的比重发生了根本性的变化，革新就在这个过程中完成了。